石家庄市采暖前后大气颗粒物及其碳组分特征

为研究石家庄市大气颗粒物、碳组分特征和污染来源,采集2016年11月1日—12月31日石家庄市大气颗粒物（PM₁₀、PM_2.5和PM₁）样品,分析采暖前后PM₁₀、PM_2.5和PM₁及其中OC（有机碳）、EC（元素碳）和WSOC（水溶性有机碳）浓度水平,计算颗粒物与碳组分间相关性,进行OC/EC（质量浓度之比,下同）特征比值法和8个碳组分（OC1、OC2、OC3、OC4、OPC、EC1、EC2和EC3）研究.结果表明:①采暖后ρ（PM₁₀）和ρ（PM_2.5）比采暖前分别增加了26.4%和32.1%,而采暖后ρ（PM₁）比采暖前降低了12.2%.采样期间ρ（PM₁₀）与ρ（PM_2.5）显著相关,而ρ（PM₁）分别与ρ（PM_2.5）和ρ（PM₁₀）相关性差.采暖后散煤燃烧造成ρ（PM₁₀）和ρ（PM_2.5）增加,区域机动车限行和工业限产/停产导致ρ（PM₁）降低.②Pearson相关系数计算可知,ρ（OC）与ρ（EC）强相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（OC）和ρ（WSOC）强相关,而ρ（PM₁）分别与ρ（OC）和ρ（WSOC）中等相关;ρ（PM₁₀）和ρ（PM_2.5）分别与ρ（EC）弱相关,ρ（PM₁）与ρ（EC）中等相关.③采暖后PM₁₀、PM_2.5和PM₁中ρ（OC）比采暖前分别增加了215.1%、97.2%和18.5%;采暖后PM₁₀和PM_2.5中ρ（EC）比采暖前分别增加了65.2%和5.3%,而采暖后PM₁中ρ（EC）比采暖前降低了10.9%.集中供热和散煤燃烧排放了大量OC;PM₁₀和PM_2.5中EC主要来源于散煤燃烧,PM₁中EC主要来源于工业排放和机动车尾气.④采暖前PM₁₀、PM_2.5和PM₁中OC/EC平均值分别为4.5、4.5和4.3;采暖后PM₁₀和PM_2.5中OC/EC平均值分别为9.8和9.7,而PM₁中OC/EC平均值为7.4.采暖前后SOC/OC（质量浓度之比,下同）平均值的范围为0.36~0.65,石家庄市冬季大气中SOC污染严重;⑤8个碳组分分析发现,石家庄市机动车限行导致PM₁中ρ（EC1）降低,而采暖后集中供暖和散煤燃烧的增加,导致ρ（OC2）明显增加.研究显示,大气颗粒物中碳组分采暖前主要来源于机动车尾气,而采暖后主要来源于燃煤燃烧,尤其是散煤燃烧.      

菏泽市冬季大气PM2.5和PM10中碳组分来源解析

为研究菏泽市冬季大气颗粒物中碳组分的污染特征和来源,于2016年1月采集菏泽市冬季大气PM_2.5和PM₁₀样品,基于热光反射法分析样品中OC（有机碳）、EC（元素碳）及8个碳组分[OC1、OC2、OC3、OC4、EC1、EC2、EC3和OP（裂解碳）]的含量,并计算得到ρ（Char-EC）（Char-EC为燃料燃烧后固体残渣中的EC）和ρ（Soot-EC）（Soot-EC为燃烧后气相挥发物质再凝结形成的EC）,以定性识别大气颗粒物中碳组分的来源.结果表明,菏泽市冬季大气颗粒物样品中碳组分浓度处于较高水平,PM_2.5中的ρ（OC）、ρ（EC）分别为26.34、9.22 μg/m3,PM₁₀中ρ（OC）、ρ（EC）分别为31.82、10.71 μg/m3.采样期间大气PM_2.5中碳组分（OC、EC、OC1、OC2、OC3、OC4、EC1、EC2、EC3、Char-EC、Soot-EC）浓度与PM₁₀中相应各组分浓度的比值均大于0.5（0.60~0.90）,表明碳组分多集中于细粒子（PM_2.5）.大气颗粒物样品中各碳组分浓度具有明显空间差异,各点位大气PM_2.5和PM₁₀中ρ（OC）均显著高于ρ（EC）（T检验,P < 0.05）.菏泽市冬季大气PM_2.5和PM₁₀中Char-EC/Soot-EC（二者质量浓度之比）分别为10.04、8.00,并且存在显著的空间差异性（T检验,P < 0.05）.PMF（正定矩阵因子分解法）解析结果表明,菏泽市冬季大气PM_2.5和PM₁₀中碳组分来源主要有4类,包括两类柴油车（1类排放的碳组分中以EC2为主,定义为柴油车-1;1类排放的碳组分中以EC3为主,定义为柴油车-2）、汽油车、生物质燃烧和燃煤混合源,对大气PM_2.5中碳组分的分担率分别为13.98%、5.13%、24.47%、41.97%,对大气PM₁₀中碳组分的分担率分别为16.08%、8.21%、18.34%、47.35%.可见,菏泽市冬季大气PM_2.5和PM₁₀中碳的主要来源是柴油车、汽油车、生物质燃烧和燃煤.      

廊坊市开发区冬季颗粒物碳组分污染特征及来源分析

廊坊市是北京市及周边传输通道“2+26”城市之一.为研究廊坊市开发区冬季颗粒物中碳组分污染特征,于2018年1月5日—2月5日在廊坊市开发区国控点位同步开展PM_2.5及PM₁₀样品采集,使用DRI分析OC（有机碳）与EC（元素碳）的质量浓度.结果表明:廊坊开发区冬季ρ（PM_2.5）、ρ（PM₁₀）分别为（54.5±46.0）（91.0±58.2）μg/m3.PM_2.5中ρ（OC）、ρ（EC）分别为14.64、3.54 μg/m3,PM₁₀中分别为17.07、4.58 μg/m3;PM_2.5、PM₁₀中ρ（OC）与ρ（EC）相关性均较好,R2均为0.91（P < 0.01）,表明二者具有相似的来源;在PM_2.5和PM₁₀中OC/EC〔ρ（OC）/ρ（EC）,下同〕分别为4.46和4.16,ρ（SOC）（SOC为二次有机碳）分别为6.15和5.88 μg/m3,分别占ρ（OC）的42.1%和37.7%,表明二次污染较严重.碳组分丰度及主成分分析结果表明,PM_2.5与PM₁₀中碳组分来源基本一致,主要来源于汽车尾气、水溶性极性化合物、生物质燃烧及燃煤的混合源,柴油车排放,以及道路扬尘.后向气流轨迹聚类结果表明,颗粒物及碳组分质量浓度受途径内蒙古自治区及河北省中部、北京市南部气团的影响较大;对于碳组分来源,道路扬尘及汽车尾气受气团传输的影响较大,而生物质燃烧、燃煤等受气团传输的影响较小.研究显示,汽车尾气、燃烧源及道路扬尘为廊坊市开发区冬季碳组分的主要来源.      

杭州市冬季环境空气PM2.5中碳组分污染特征及来源

为研究杭州市PM_2.5中碳组分特征,于2013年12月-2014年2月在7个常规点位和2个对照点同步采集PM_2.5样品,分析其污染特征及来源.结果表明:杭州市冬季有机碳（OC）、元素碳（EC）、二次有机碳（SOC）的平均质量浓度分别为（23.7±7.5）（5.0±2.4）和（9.2±4.5）μg/m3,OC/EC[ρ（OC）/ρ（EC）]和SOC/OC[ρ（SOC）/ρ（OC）]的平均值分别为5.3±1.9和0.4±0.2.对照点ρ（OC）、ρ（EC）、ρ（SOC）和OC/EC、SOC/OC分别为常规点位的0.8、0.6、1.2、1.2和1.3倍.采样期间,常规点位和对照点ρ（OC）和ρ（EC）的日均值具有相同的时间变化趋势.对照点ρ（OC）和ρ（EC）的相关性（0.49）低于常规点位（0.61）,对照点PM_2.5中OC和EC的来源差异性更明显.8个碳组分的丰度分析表明,常规点位和对照点PM_2.5中碳组分的来源基本一致,主要来源于道路尘、燃煤、机动车和生物质燃烧.绝对主因子分析法源解析结果表明,杭州市冬季PM_2.5中总碳（TC）的主要来源中,燃煤/汽油车排放/道路尘、柴油车排放和生物质燃烧的分担率为79.1%、13.1%和3.5%.      

京津冀典型城市一次重污染过程特征及边界层结构变化对其影响

为探究典型重污染过程的污染特征与大气边界层结构演变规律,基于PM_2.5采样数据、气象观测数据及WRF-Chem模式,以北京市和石家庄市2016年12月27日—2017年1月10日一次重污染过程为研究对象,对气象要素、PM_2.5化学组分、天气背景场、边界层结构演变特征,以及大气边界层结构变化对ρ(PM_2.5)及其主要化学组分的影响进行分析.结果表明:①研究期间,北京市和石家庄市ρ(PM_2.5)分别为(165.63±110.89)(247.67±95.22)μg/m3,石家庄市污染程度高于北京市;高空纬向环流和地面弱高压控制的天气背景场,低于1.75 m/s的风速以及超过75%的相对湿度是造成北京市与石家庄市重污染的不利气象条件.②重污染时段北京市与石家庄市SNA(SO₄2-、NO₃-、NH₄+三者的统称)与碳质组分(OC、EC)占比之和超过76%,是PM_2.5中的两大主要组分;重污染时段ρ(SNA)占比明显上升,北京市与石家庄市ρ(SNA)占比由非重污染时段的42.23%、45.93%分别升至重污染时段的58.87%、59.62%;北京市与石家庄市ρ(OC)/ρ(EC)分别为5.13、3.51,表明在重污染时段两城市存在明显的二次有机气溶胶污染.③WRF-Chem模式模拟结果表明,PM_2.5污染严重时北京市与石家庄市在300~500 m处均出现明显的逆温,垂直风场主要表现为低层偏南风顺时针向上切变为偏西风,切变高度在400~1 000 m,逆温层结与明显垂直风切变的边界层特征共同抑制了污染物的湍流与扩散.④北京市与石家庄市重污染时段的PBLH(Planetary Boundary Layer Height,大气边界层高度)日均值与非重污染时段相比分别下降了202、128 m,PBLH每下降100 m,北京市与石家庄市ρ(PM_2.5)分别上升18.81、29.85 μg/m3,PBLH下降是导致两城市ρ(PM_2.5)快速上升的重要因素.北京市与石家庄市的PBLH与PM_2.5组分质量浓度之间的相关性不同,北京市PBLH与ρ(SNA)的相关性高于与碳质组分质量浓度的相关性,石家庄市PBLH与ρ(EC)相关性最高,表明此次重污染过程中北京市PM_2.5污染特征以二次形成为主,而石家庄市以一次排放为主.研究显示,北京市与石家庄市此次重污染过程与大气边界层结构变化密切相关.      

国Ⅴ公交车燃用生物柴油的颗粒物碳质组分排放特性

以一辆国Ⅴ柴油公交车为研究对象,在重型底盘测功机上运行中国典型城市公交循环,研究了纯柴油（D100）,体积混合比例分别为5%,10%和20%餐厨废弃油脂制生物柴油-柴油混合燃料（即B5,B10,B20）的颗粒物（PM）碳质组分排放特性.结果表明：国Ⅴ柴油公交车尾气颗粒物碳质组分包括有机碳（OC）和元素碳（EC）,OC占73%~82%,OC的主要组分是OC2和OC3,生物柴油对车辆尾气颗粒物OC组成比例没有影响;随着生物柴油混合比例的增加,公交车尾气颗粒物OC和OC+EC排放呈降低的趋势,EC排放增加,且B10的OC排放较高;PM_0.05~0.1,PM_0.1~0.5,PM_0.5~2.5,PM_2.5~18 4个粒径段颗粒物中,PM_0.1~0.5的OC和EC排放最高,PM_2.5~18的EC排放几乎为零,生物柴油可改善公交车尾气超细颗粒（PM_0.05~0.1）的OC排放,对公交尾气颗粒物EC排放基本没有影响;公交使用生物柴油混合燃料尾气颗粒物OC/EC减小,且PM_0.05~0.1和PM_0.5~2.5OC/EC降低幅度明显,对大气二次气溶胶的影响减弱.     

盘锦市夏冬季PM2.5中碳组分污染特征及来源分析

于2016年7月和2017年1月采集盘锦市3个点位的PM_2.5样品,研究盘锦市夏冬季节PM_2.5中碳组分的特征与来源.结果表明：盘锦市夏季PM_2.5、有机碳（OC）和元素碳（EC）日均浓度分别为（46.14±12.70）,（8.58±2.82）和（2.89±1.54）μg/m³;冬季分别为（91.01±43.51）,（24.50±15.51）和（7.31±5.00）μg/m³.夏季开发区和第二中学2个采样点的OC与EC之间不具有线性相关性;冬季3个采样点OC、EC高度相关.采用最小相关系数法（MRS）估算SOC浓度,得到夏季SOC的浓度为4.65μg/m³,占OC总量的54.19%;冬季SOC浓度为8.42μg/m³,占OC总量的34.36%.通过比值分析和主成分分析得出盘锦市夏季PM_2.5中碳组分主要来源为汽油车尾气和燃煤排放;冬季PM_2.5中碳组分主要来源为机动车尾气、燃煤排放和生物质燃烧.     

郴州市大气PM2.5碳组分污染特征及其来源分析

为研究郴州市PM_2.5中碳组分的污染特征及来源,于2016年7月-2017年4月分4个季度典型时段采集郴州市环境大气中的PM_2.5,测定了样品中OC（有机碳）和EC（元素碳）的质量浓度,对碳气溶胶污染水平、时空分布、SOC（二次有机碳）以及OC和EC相关性等特征进行了分析,并分析了碳组分的来源.结果表明:郴州市ρ（PM_2.5）年均值为（40.2±19.0）μg/m3,ρ（OC）、ρ（EC）占比分别为15.7%和7.2%;ρ（OC）与ρ（EC）相关性分析显示二者来源较为一致,但春季、夏季差异相对较大;ρ（SOC）全年估算值为1.84 μg/m3,占ρ（OC）的29.11%,夏季较高的温度和较低的相对湿度导致夏季ρ（SOC）的估算偏低.结合碳组分丰度分析、PCA（主成分分析）和PMF（正矩阵因子分解分析）结果发现,燃煤/道路尘、机动车排放和生物质燃烧对PM_2.5中TC（总碳）的影响最为明显,贡献率分别为49.25%~56.71%、19.79%~25.36%和9.35%~13.69%.反向轨迹聚类结果显示,广东珠三角区域的汽油车排放、道路尘和生物质燃烧对郴州市PM_2.5中碳组分有较大的影响,而燃煤和柴油车的贡献主要来源于本地.研究显示,郴州市PM_2.5中碳组分污染较为严重,应重点加强本地燃煤和柴油车的控制.      

天津市春季道路降尘PM2.5和PM10中碳组分特征

为研究天津市春季道路降尘PM_2.5和PM₁₀中碳组分特征,丰富道路降尘的成分谱库,于2015年3月22日-5月23日在天津市主干道、次干道、支路、快速路和环线5种道路类型道路两侧采集道路降尘样品,通过再悬浮装置得到PM_2.5和PM₁₀的滤膜样品,并用热光碳分析仪测定PM_2.5和PM₁₀中OC（有机碳）和EC（元素碳）的百分含量,利用两相关样本非参数检验、OC/EC比值法以及相关分析法,定性分析天津市春季道路降尘PM_2.5和PM₁₀的碳组分的特征及其主要来源;利用因子分析法,进一步分析道路降尘PM_2.5和PM₁₀的主要来源.结果表明:道路降尘PM_2.5中w（OC）为10.27%（主干道）~13.94%（快速路）、w（EC）为1.24%（支路）~1.77%（环线）,PM₁₀中w（OC）为8.48%（主干道）~12.56%（快速路）、w（EC）为1.01%（次干道）~1.59%（快速路）,可见快速路中碳组分含量相对较高,这可能与其车流量较大,导致道路扬尘和机动车尾气排放量较大有关,也可能与其路面保养及保洁状况有关.对于大部分碳组分而言,其在PM_2.5中的百分含量均高于PM₁₀;除EC2,其他碳组分在PM_2.5和PM₁₀间均无显著性差异.不同道路类型PM_2.5和PM₁₀中OC/EC的大小顺序基本相同,与其车质量变化趋势相反.道路降尘中PM_2.5中碳组分主要来源于道路扬尘、机动车尾气、生物质燃烧以及燃煤源的混合源,PM₁₀主要受道路扬尘、燃煤和柴油车尾气等污染源的影响.      

天津市区夏季碳气溶胶特征及改进的二次有机碳估算方法

为更加准确地估算环境受体PM_2.5中SOC（二次有机碳）的质量浓度,于2015年6-8月利用在线监测仪器同步采集小时分辨率的PM_2.5及OC（有机碳）和EC（元素碳）样品数据,分析碳气溶胶的变化特征,并尝试运用改进的EC示踪法估算ρ（SOC）.结果表明:天津市区夏季ρ（PM_2.5）为（70.9±46.0）μg/m3,ρ（OC）和ρ（EC）分别为（7.6±3.1）（2.2±1.5）μg/m3,占ρ（PM_2.5）的11.8%±4.6%和3.1%±1.4%,OC/EC（质量浓度之比,下同）的平均值为4.0±2.0.ρ（OC）与ρ（EC）之间的Pearson相关系数（R）仅为0.66,说明OC和EC的来源较为复杂,SOC的产生可能是重要影响因素.ρ（NO₂）与OC/EC呈显著负相关（R=-0.47,P < 0.01）,并且OC/EC（4.0）相对较低,说明天津市区机动车可能对碳气溶胶具有重要影响.ρ（SO₂）与ρ（OC）、ρ（EC）的相关性较低（R均为0.33,P均小于0.01）,说明天津市区碳气溶胶可能受燃煤源的影响较低.改进的EC示踪法主要是利用O₃和CO、EC作为光化学反应和一次源排放的指标,并结合ρ（OC）、ρ（EC）和OC/EC的变化特征,逐步筛选一次排放源主导的时间段的ρ（OC）和ρ（EC）数据,然后利用最小二乘法拟合获得ρ（OC）和ρ（EC）的线性方程,最后进行ρ（SOC）和ρ（POC）（POC为一次有机碳）的估算.天津市区夏季ρ（SOC）的平均值为（2.5±2.0）μg/m3,分别占ρ（OC）和ρ（PM_2.5）的28.8%±15.0%和3.7%±3.6%;ρ（POC）的平均值为（5.2±1.7）μg/m3,分别占ρ（OC）和ρ（PM_2.5）的71.2%±15.0%和8.1%±5.2%,说明天津市区夏季有机碳的主要来源是一次排放源.研究显示,相比于EC示踪法,改进的EC示踪法估算的ρ（SOC）明显降低,ρ（POC）明显升高.AT（大气温度）对ρ（SOC）的影响较为显著,而WS（风速）对ρ（POC）的影响较为显著.      

银川市冬季PM2.5重污染特征、来源与成因分析

近年来银川市冬季重污染过程频发,为明确银川市冬季PM_2.5重污染的特征,分析其主要来源及成因,于2016年12月-2017年1月在银川市选取3个采样点开展PM_2.5的样品采集与化学组分分析,利用CMB（化学质量平衡）模型对银川市冬季PM_2.5进行来源解析,对比分析了重污染日与非重污染日污染特征的差异.结果表明:①银川市冬季重污染日ρ（PM_2.5）[（181±33.6）μg/m3]是非重污染日的2.1倍;重污染日和非重污染日的ρ（NO₃-）/ρ（SO₄2-）均小于1,表明燃煤仍是银川市冬季PM_2.5的重要来源.银川市冬季PM_2.5中ρ（SOC）为（14.4±7.34）μg/m3,约占ρ（OC）的65.2%.②与非重污染日相比,重污染日人为源无机元素As、Pb、Cd和Zn质量浓度在ρ（PM_2.5）中的占比分别升高33.2%、18.4%、9.8%和2.9%,表明银川市冬季重污染主要受人为源贡献影响.③源解析结果表明,燃煤源、机动车尾气源、二次离子源和扬尘源是银川市PM_2.5的主要污染源,与非重污染日相比,重污染日机动车尾气源的贡献率明显降低.研究显示,银川市冬季重污染受人为源污染物排放的影响较大,燃煤源是银川市冬季PM_2.5的重要来源.      

天津某老年社区夏冬季室内与个体暴露PM2.5对比

于2011年夏季(6月13日—7月2日)和冬季(11月30日—12月12日)在天津市某老年社区采集室内与老年人个体暴露PM_2.5样品,分析二者的质量浓度及化学组分特征. 结果表明:夏、冬季室内ρ(PM_2.5)分别为(138±103)和(173±136)μg/m3,二者差异显著(P<0.05);冬季室内ρ(PM_2.5)、ρ(SO₄2-)和ρ(OC)显著高于夏季(P<0.05),初步推断是由于冬季燃煤取暖排放的大量颗粒物渗透进入室内所致;冬季室内源(如清扫和吸烟)对某些室内PM_2.5组分(Al、Ca和Cd)的贡献较夏季显著. 对个体暴露与室内ρ(PM_2.5)的相关性分析发现,二者在夏、冬季均显著相关(P<0.05). 在受试老年人时间活动模式基础上,采用COD(分歧系数)评估室内和个体暴露PM_2.5化学组成的相似度,结果显示,室内与个体暴露PM_2.5的COD在夏、冬季分别为0.34±0.10和0.37±0.12;冬季受试老年人在交通微环境所处时间较长,致使COD大于0.5的样本数所占比例较夏季高. 室内和老年人个体暴露PM_2.5的ρ(OC)/ρ(EC)在夏、冬季均相近,说明二者的碳组分来源相似.      

北京市2014年10月重霾污染特征及有机碳来源解析

2014年10月北京市出现了多次重霾天气,与此同时,通过全国秸秆燃烧卫星遥感监测发现,北京周边河南、河北等地区恰存在一定规模的秸秆燃烧活动. 对2014年10月4—27日北京市大气PM_2.5中的水溶性离子、金属、OC(有机碳)、EC(元素碳)和有机物示踪物等化学成分进行了分析,对霾天和非霾天PM_2.5中化学成分进行了比较,并使用CMB(化学质量平衡)模型对PM_2.5中有机物的来源进行了解析,采用后向轨迹模拟和卫星遥感图像定量评估生物质燃烧(秸秆燃烧等)对重霾污染的影响. 结果表明:霾天ρ(PM_2.5)〔(229.0±96.3)μg/m3〕是非霾天的5.0倍,水溶性离子总质量浓度〔(125.3±59.3)μg/m3〕是非霾天的6.5倍,ρ(SO₄2-)、ρ(NO₃-)和ρ(NH₄+)分别是非霾天的6.1、8.6和7.1倍,ρ(OC)〔(81.8±39.5)μg/m3〕是非霾天的7.8倍,ρ(EC)〔(6.7±3.4)μg/m3〕是非霾天的4.2倍;霾天生物质燃烧的示踪物——左旋葡聚糖和K+的质量浓度平均值分别是非霾天的9.1和3.3倍. 生物质燃烧、机动车排放以及二次污染物对有机细颗粒物的贡献率分别为18.9%、36.9%和41.9%;二次细颗粒物质量浓度增加了1倍左右;气象条件同样在很大程度上促进了霾的形成. 常规的源解析方法仅可对生物质燃烧的一次污染贡献进行定量,但对重霾污染贡献的全面评价尚需进一步探讨.      

天津市老年人PM2.5个体暴露化学组分特征

分别于2011年6月13日—7月2日(夏季)和11月30日—12月12日(冬季),采用颗粒物个体暴露采样器对天津市某社区101名老年人(平均年龄67岁)的PM_2.5个体暴露水平进行监测,以探讨PM_2.5个体暴露化学组分的特征. 结果表明,天津市老年人夏、冬季PM_2.5个体暴露浓度分别为(124.2±75.2)和(170.8±126.6)μg/m3. 斯皮尔曼相关分析表明,Si、NH₄+和NO₃-的暴露浓度均与PM_2.5暴露浓度显著相关(P<0.01),R(相关系数)分别为0.61、0.55和0.46. 富集因子分析表明,Cd、Zn和Pb 3种元素高度富集,受人为源的影响强烈. SO₄2-是水溶性离子中含量最高的组分,其次是NO₃-和NH₄+,在夏、冬季这3种离子暴露浓度之和分别占PM_2.5暴露浓度的34.3%和40.6%. OC是老年人PM_2.5个体暴露的主要成分之一,夏、冬季OC暴露浓度分别占PM_2.5暴露浓度的19.3%和27.4%. 老年人PM_2.5个体暴露化学组分浓度受气象因素、室内源和室外源的共同影响,季节变化明显. 冬季Al、Si、K、Ca和Fe的暴露浓度高于夏季,但大部分微量金属元素(V、Cr、Mn、Ni、Cu、Zn、As、Sb和Pb)的冬季暴露浓度却低于夏季. 方差分析表明,冬季SO₄2-、NO₃-、NH₄+、OC和EC的暴露浓度显著高于夏季(P<0.05).      

本溪市PM2.5中水溶性离子季节性变化特征及来源分析

为研究本溪市大气PM_2.5中水溶性离子污染特征,于2016年1—10月在本溪市开展PM_2.5样品采集,使用离子色谱法分析了其中8种水溶性离子（Cl-、NO₃-、SO₄2-、NH₄+、Ca2+、Na+、Mg2+、K+）,并采用PMF（positive matrix factorization,正矩阵因子分解法）模型对水溶性离子的来源进行分析.结果表明:观测期间,本溪市ρ（PM_2.5）平均值为（57.6±21.9）μg/m3,ρ（PM_2.5）季节性变化特征明显,呈冬季 > 秋季 > 春季 > 夏季趋势;水溶性离子平均质量浓度为19.3 μg/m3,占ρ（PM_2.5）的33.6%,各离子质量浓度高低顺序为SO₄2- > NO₃- > NH₄+ > Cl- > Ca2+ > K+ > Na+ > Mg2+;SNA（SO₄2-、NO₃-和NH₄+）是PM_2.5中主要的3种离子,在春季、夏季、秋季和冬季分别占水溶性离子的73.2%、88.2%、82.5%和73.6%,表明夏季的二次污染较为严重.阴、阳离子电荷平衡分析结果显示,阴离子相对亏损,本溪市PM_2.5整体呈弱碱性,NO₃-、SO₄2-与NH₄+相关性较高,其在PM_2.5中主要以NH₄NO₃和NH₄HSO₄的形式存在. PMF分析结果表明,本溪市PM_2.5中水溶性离子的来源主要包括二次转化源、燃煤源和扬尘源.研究显示,本溪市PM_2.5中水溶性离子季节性变化特征明显,二次转化源、燃煤源和扬尘源是其主要来源.      

焦作市大气污染时空分布特征及来源分析

焦作市是京津冀地区"2+26"通道城市之一.为研究焦作市大气污染特征,于2016年1月-2018年2月使用3个国控站点（马村区生态环境局、焦作市生态环境局和高新区政府）大气环境监测数据,以及2018年1月焦作市边界站PM_2.5及其化学组分（水溶性离子和碳组分）监测数据进行分析.结果显示:焦作市大气污染以PM_2.5污染为主,2017年ρ（NO₂）、ρ（PM_2.5）、ρ（PM₁₀）、ρ（CO）和ρ（SO₂）平均值分别为42.4 μg/m3、79.0 μg/m3、136.5 μg/m3、1.42 mg/m3和38.3 μg/m3,较2016年分别下降了10.5%、10.6%、11.2%、20.7%和37.6%.在时间分布上,大气污染物质量浓度日变化具有明显的季节性特征,春、夏两季ρ（NO₂）日变化较秋、冬两季呈更宽的"U型",ρ（SO₂）峰值出现在12:00左右,推测原因与夜间高架源排放有关;在空间分布上,本地一次污染排放可能主要来自市区工地扬尘、西南地区交通源和东部污染点源.观测期间,ρ（NO₃-）、ρ（NH₄+）和ρ（SO₄2-）较高,平均值分别为39.42、23.66和23.01 μg/m3,分别占水溶性离子质量浓度的41.8%、25.1%和24.4%,占ρ（PM_2.5）的27.4%、16.4%和16.0%.污染天的NOR（氮转化率）（0.35）和SOR（硫转化率）（0.43）明显高于清洁天的NOR（0.25）和SOR（0.18）,表明污染天NO₂和SO₂二次转化程度更高.SOR和NOR随相对湿度的增加而增加,表明相对湿度较高时有利于NO₂和SO₂的二次转化.污染天和清洁天ρ（SOC）（SOC为二次有机碳）估算值分别为19.79和3.51 μg/m3,分别占ρ（OC）的79.4%和54.9%,占ρ（PM_2.5）的9.8%和10.4%,表明焦作市SOC对OC有较大的贡献.PSCF（潜在源贡献因子法）结果表明,本地源是影响焦作市秋、冬两季PM_2.5的主要潜在源,太行山南麓区域输送也对其有一定贡献.研究显示,焦作市大气污染较严重,本地一次排放、二次转化和区域输送是焦作市PM_2.5的主要来源.      

2015—2018年乌鲁木齐市PM2.5及PM10时空分布特征

乌鲁木齐市是“丝绸之路经济带”关键节点城市,为了解乌鲁木齐市2015—2018年空气污染状况,利用2015年1月1日—2018年12月23日乌鲁木齐市7个国控空气质量监测站的ρ（PM_2.5）、ρ（PM₁₀）监测数据,基于ArcGIS空间分析平台,分析乌鲁木齐市PM_2.5、PM₁₀的时空分布特征.结果表明:ρ（PM_2.5）从2015年（66.60 μg/m3）到2016年（76.93 μg/m3）呈上升趋势,在2016—2018年呈单一下降趋势;ρ（PM₁₀）从2015年（132.74 μg/m3）到2016年（125.93 μg/m3）呈下降趋势,在2016—2018年呈单一上升趋势.2015—2018年工业活动集中的乌鲁木齐市边缘各区的ρ（PM_2.5）、ρ（PM₁₀）平均值比城市中心（商业区、居民区）分别高11.28、7.17 μg/m3,说明工业集中地区的大气环境质量受污染影响明显.此外,2015—2018年乌鲁木齐市大气污染呈季节性和北高南低的区域性分布特征.气象因子分析表明,ρ（PM_2.5）、ρ（PM₁₀）均与相对湿度呈正相关,与降雨量、风速等气象因素呈负相关.2015—2018年,乌鲁木齐市大气中ρ（PM_2.5）/ρ（PM₁₀）呈先增后降的趋势,冬季以PM_2.5污染为主,其他季节以PM₁₀污染为主.研究显示,2015—2018年乌鲁木齐市空气污染状况变化与地形、气象条件、城市化建设均有一定的关系.